基于机器视觉的铁路信号灯检测技术

为解决铁路安全运输问题,对基于机器视觉的铁路信号灯检测方法进行仿真图像和视频检测实验研究。阐述了铁路信号灯图像在不同颜色空间下的特性及其对铁路信号灯识别的影响,将其由RGB颜色空间转换为HSV颜色空间。通过Canny算子、腐蚀膨胀以及开闭运算等技术提取铁路信号灯图像的几何特征,通过Hough检测,对图像中铁路信号灯进行定位。对定位的信号灯进行颜色提取,从而识别出信号灯的类别。根据多种天气情况下的铁路信号灯图像进行仿真实验分析,进一步对采集的列车行驶视频进行实验分析,优化检测方法。研究结果表明,提出的铁路信号灯检测模型,能够支持复杂背景下的铁路信号灯类别的有效识别。通过机器视觉技术实现铁路信号灯的检测和识别,是提高铁路运输安全性的一种有效方法。

基于MobileNet-SSD的铁路信号灯检测识别

为解决铁路轨旁信号灯的定位与实时检测问题,在深入分析传统SSD算法与MobileNet模型的基础上,将MobileNet模型的最后平均池化层、全连接层转换为SSD算法的多尺度特征映射层,提出了一种基于MobileNet-SSD的铁路信号灯检测算法.实验结果表明:该算法克服了传统SSD算法对小目标识别不准确、检测实时性较差的问题,检测速度更快,准确率更高;在50 m监控范围内,算法的平均检测准确率达到85%以上,同时具有25帧/s的实时识别能力.